面向高维复杂多模态问题的教与学优化求解算法

来源 :计算机应用研究 | 被引量 : 8次 | 上传用户：yy349764474

【摘要】

：

针对教与学优化算法(teaching-learning-based optimization,TLBO)在求解一些高维多模态复杂优化问题时,存在种群容易过早陷入局部搜索,导致丢失全局最优解的问题,提出一种改进的TLBO优化算法(MTLBO)。该算法以更接近人类的学习方式,对标准TLBO中的"教"和"学"过程进行了改进,并引入了新的"自学"机制来加强学员的创新学习能力,从而有效提高了算法的全局探索能

【作者】

：

拓守恒雍龙泉黎延海邓方安

【机构】

：

陕西理工大学数学与计算机科学学院

【出处】

：

计算机应用研究

【发表日期】

：

2017年07期

【关键词】

：

改进的教与学优化算法 “自学”机制复杂多模态优化问题 modified teaching-learning-based optimization “self

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

一种增强的位置分享隐私保护方案

针对移动在线社交网络中位置分享的隐私保护问题进行了深入的研究,指出了已有的保护方案的缺陷,提出了BMobishare+的安全方案。该方案改进了先前方案的架构,并采用位置加密和Bloom过滤器来阻止非法攻击。通过安全分析和模拟实验,证明了BMobishare+方案能有效地保护用户位置和社交网络的隐私信息。

期刊

位置分享移动在线社交网络隐私保护BLOOM过滤器location sharing mobile online social networks（mOSN

基于频繁活动点集的手机位置数据隐私保护方法

大规模手机位置数据在为人类活动研究带来新的前景的同时,数据中蕴涵的个体活动点可能导致用户重识别,即隐私信息泄露。针对个体的频繁活动点集合,计算手机位置数据中的个体重识别风险,通过点集匹配策略实现高风险个体敏感位置信息的隐匿;利用交通流分析来评价隐私保护后的数据可用性损失。基于深圳市大规模手机位置数据实验,结果表明提出的方法在降低整体隐私泄露风险和确保隐私保护后的数据可用性方面皆具有良好效果。研究成

期刊

手机数据频繁活动点隐私保护数据挖掘mobile phone data frequent activity locations privacy pro

面向高维复杂多模态问题的教与学优化求解算法

其他学术论文